HiRAG 是搜索知识领域的开源项目，由 hhy-huang 开发，2025 年首次发布。
它收录于搜索知识分类，该分类目前共有 585 个项目，GitHub 星标数为 557。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-18。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：企业知识库智能问答，处理跨文档复杂查询。同类可对比的替代方案包括 LightRAG、Microsoft GraphRAG、FastRAG。
HiRAG
用层级知识图谱，让 RAG 轻松搞定复杂多跳问答
HiRAG 是一个基于层级知识图谱的 Graph RAG 系统，旨在解决传统 RAG 在复杂多跳推理和全局性问题上的不足。它通过构建分层知识结构，将文档信息组织为不同粒度的知识单元，并利用图遍历与检索增强生成，提升答案的准确性和可解释性。核心能力包括：自动构建层级知识图谱、支持多跳推理、提供灵活的检索接口，以及易于集成的 Python API。该系统适用于需要深度理解文档集合的场景，如企业知识库问答、研究报告分析等。其论文已被 EMNLP 2025 接收，但项目仍处于早期阶段，文档和社区生态有待完善。
开源
free
搜索知识
GitHub 星标
★ 557
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队hhy-huang
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型clustering,graphrag,large-language-models,nlp,rag,retrieval-augmented-generation
GitHub 星标★ 557
30天Star增速
HF 下载量
上线时间2025-03-14 00:00:00
最近更新2026-09-18 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数1
使用教程
核心亮点
- 提出层级知识图谱结构，显著提升多跳推理准确率
- 提供简洁的 Python API，易于集成到现有 RAG 流程
- 论文被 EMNLP 2025 接收，算法有学术背书
不足之处
- 项目早期，文档和社区支持不足
- 依赖图数据库，部署和运维成本相对较高
适用场景
- 企业知识库智能问答，处理跨文档复杂查询
- 研究报告与论文的深度分析，提炼结构化知识
- 法律或医疗等专业领域，需要可解释推理的问答系统
替代项目
LightRAG、Microsoft GraphRAG、FastRAG
项目介绍
上一篇：ArXivChatGuru
下一篇：agent-search
同类项目推荐
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
ragflow
开源
让大模型用上你的私有知识，搭建可靠的企业级RAG应用
RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···